Foreground-Oriented Response Calibration for Unknown Object Detection
Le papier propose CAFR, un cadre de détection à deux voies qui améliore la détection d'objets inconnus en employant un mécanisme de rectification asymétrique pour prévenir la surconfiance des catégories connues et une modélisation du premier plan guidée par prototypes pour améliorer l'estimation de l'« objectness », atteignant ainsi une précision et un score F1 supérieurs tout en maintenant une performance stable pour les catégories connues.